北京,2020年5月21日——企业级混合云服务商青云QingCloud日前宣布,其容器公有云服务QKE(QingCloud KubeSphere Engine)再次升级,新增GPU计算节点与CPU指令集配置,可以更轻松地处理大规模并发计算,高效、低延迟地完成推理类场景、深度学习、机器学习、图像识别中的计算任务,轻松承载AI人工智能应用的开发与运行。基于此,青云QingCloud将为企业构建AI生态提供更为坚实的基础支撑。
随着数字经济的不断发展, 企业数字化已经是大势所趋。因此,企业需要更为灵活、敏捷的IT架构,帮助自己重构开发运维流程,最大程度提高应用开发效率并降低IT生产环境运维成本。同时,容器技术日渐兴起,有效联合了过去各自独立的IT开发与运维环节,切实帮助企业快速构建云原生应用,实现微服务和DevOps落地,从而加快业务创新迭代。
早在2016年,青云QingCloud便率先推出业界首创的、采用一套架构同时支持虚拟主机和容器主机的技术;2018年7月,青云QingCloud推出KubeSphere容器平台,并于同年12月13日开启公测,以帮助用户快速构建、部署与运维容器架构。2019年6月,青云QingCloud将KubeSphere在公有云平台交付,为企业提供容器云(QKE)服务。
青云QingCloud旗下KubeSphere容器平台基于Kubernetes构建,提供托管的原生Kubernetes集群、极简的人机交互实现CI/CD、微服务、以及集群运维管理,能够帮助用户实现极简开发、强劲支持和高效交付,从而更敏捷地构建云原生应用,并可一站式实现应用全生命周期的统一管理。KubeSphere容器平台一经问世便广受好评,在银行、保险、制造、互联网等行业的生产环境中都得以顺利部署应用并产生价值。
相较于原生的Kubernetes集群,KubeSphere提供了更多完善易用的开发工具集,能够实现极简开发、强劲支持和高效交付,可以帮助用户解除核心业务开发以外的平台工作负担。如果企业没有数据中心,则可以在QingCloud公有云上直接使用QKE,一站式获得从IaaS到PaaS的全栈容器服务。
此次QKE升级,一方面支持新增了GPU计算节点与CPU指令集的配置,能高效完成机器学习、深度学习、图像识别等AI计算任务,高性能地承载企业大规模并行计算需求。同时还新增无感热升级功能,通过滚动升级的方式,令主机在无需停机、应用无需停服的状态下完成升级,有效保障企业业务的连续性。
青云QingCloud作为一家以技术见长的企业级云服务商,认准了容器技术的价值与未来。在新基建浪潮下,青云QingCloud还将继续优化云端技术,加速企业云原生转型,并不断将技术沉淀与最佳实践融入到数字世界的愿景中,为容器生态的构建、人工智能时代的加速,以及数字世界的最终实现贡献力量。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。